女性远程医疗团体咨询与预防保健
该数据集来自 clinicaltrials.gov,聚焦女性动脉粥样硬化性心血管疾病(ASCVD)患者的远程医疗团体健康教育

基本信息
资源简介
女性远程医疗团体咨询与预防保健
该数据集来自 clinicaltrials.gov,聚焦女性动脉粥样硬化性心血管疾病(ASCVD)患者的远程医疗团体健康教育。覆盖 ASCVD、NSTEMI、STEMI、冠状动脉疾病、急性冠脉综合征、心肌梗死、不稳定型心绞痛和胸痛等主题。研究采用电子问卷调查,参与者由 Weill Cornell Medicine 心脏病科医生管理,通过获批的远程医疗平台接受团体健康咨询,可在 12 周内自选参加 1 至 5 次课程,每次上限 12 人。数据可用于分析远程团体咨询在女性心血管疾病预防保健中的参与特征与效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:ASCVD、NSTEMI、STEMI、冠状动脉疾病、急性冠脉综合征、心肌梗死、不稳定型心绞痛、胸痛。这将是一项电子调查研究,对象为已知患有动脉粥样硬化性心血管疾病(ASCVD)的女性患者,这些患者由 Weill Cornell Medicine 心脏病科的医疗服务提供者管理,并自行选择加入这一远程医疗团体教育系列。团体健康咨询将在参与时通过 Weill Cornell Medicine 批准的远程医疗平台进行。参与者可以选择自己选择的会议主题,并有机会根据自身偏好在 12 周内参加 1-5 次会议。每次会议无论参与者人数多少都将举行,但上限为 12 名参与者,预计有两人不会加入。一旦获得同意,基线特征
【主题与分类】
主题标签:ASCVD、NSTEMI、STEMI、Coronary Artery Disease、Acute Coronary Syndrome、Myocardial Infarction、Unstable Angina、Chest Pain。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06404515
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT06404515
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病类型:ASCVD、NSTEMI、STEMI、冠状动脉疾病、急性冠脉综合征、心肌梗死、不稳定型心绞痛、胸痛。本研究将采用电子问卷调查形式,研究对象为已知患有动脉粥样硬化性心血管疾病(ASCVD)的女性患者,这些患者由Weill Cornell Medicine心脏病科的医疗服务提供者管理,并自行选择加入本远程健康小组教育系列。小组健康咨询将在参与时通过Weill Cornell Medicine批准的远程健康平台进行。参与者可选择自己感兴趣的课程主题,并有机会在12周内根据个人意愿参加1至5次课程。无论参与人数多少,每次课程都将如期进行,但人数上限为12人,预计有两人不会参加。获得知情同意后,将通过病历审查收集参与者的基线特征。将收集人口统计学信息,如年龄、种族、保险承保机构,以及临床医生记录的诊断,如ASCVD、高血压(HTN)、高脂血症(HLD)和糖尿病(DM)。
在每次团体健康咨询会议之前,将向被选中并同意参与本研究的患者提供一份初始调查问卷。该问卷将询问患者的人口统计学信息、自我报告的诊断、对其诊断理解程度的当前满意度、参与研究的原因以及以往参加远程医疗团体咨询的历史。会议结束后,将向所有参与者提供一份会后调查问卷,评估患者的理解情况,包括对诊断和药物的理解、对形式的满意度、对提供者的满意度、参加了多少次会议、参加多次会议的原因以及是否推荐这种形式给他人。所有数据在分析前将被去标识化,并在研究人员之间保密。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




